| 标题 | 基于神经网络的计算机网络故障诊断研究 |
| 范文 | 张涛 【摘要】 ? ?计算机的普及促使现阶段人们的工作与生活方式发生明显的变化，为人们提供优质的服务，但受多种因素影响，计算机网络故障发生较为频繁，进而降低其功能性。基于此，本文从神经网络故障诊断原理和基本算法入手，深入进行分析，探索计算机网络在实际中的应用，分析其网络故障，明确现阶段神经网络下存在的网络故障，以供参考。 【关键词】 ? ?神经网络 ? ?故障诊断原理 ? ?基本算法 ? ?计算机 前言： 网络故障诊断实际上是指现阶段针对网络呈现的某种故障进行合理的检测与分析，根据其运行现状找到呈现故障的原因，以保证其正常运行。计算機网络在运行过程中需要合理的开展维护，做好相关的维护记录，以保证发生网络故障时可以为工作人员提供参考，可以及时发现设备在运行过程中存在的故障，有效进行维修。 一、神经网络故障诊断原理和基本算法 1.1工作原理 现阶段的神经网络诊断技术较为独特，主要分为两部分，一部分保证样本来满足神经网络训练，灵活利用其优势开展其处理，对计算机网络进行故障诊断;另一部分对现阶段的实际情况开展分析，分析检测输入状态，通过神经网络来对故障进行诊断与检测，完成故障诊断。通常情况下，想要对计算机网络故障开展诊断，需要提前进行原始数据处理，并分析其检测的训练样本，保证后续的诊断有序的进行。在实际的故障诊断中，其过程主要分为两个步骤，一是进行预处理，二是特征提取，为计算机故障诊断提供诊断需要的数据信息[1]。 1.2故障诊断算法 实际上，对于各种状态下的信息，计算机网络在应用过程中都需要开展实际的训练，并以此为基础，对状态信息开展分析，最终明确其实际的映射关系。受计算机自身的性质因素影响，其自身呈现出明显的适应能力，可以利用计算机网络自主进行分析，当收到外界环境影响时，利用映射的关系进行合理的调整，形成良好的适应功能。 神经元与神经元通过连接构成神经网络，例如BP神经网络现阶段的应用范围较广，以单向传输为主，用过输入层、中间层、输出层形成完整的网络层级，以保证功能的实现。以中间层的神经网络为例，其自身又被分割成多个层次，各个层次的神经元连接上下层次的神经元，单向进行输出，由此保证同层次节点不会出现耦合，每个层次只有对应下一层次，并产生影响[2]。 二、计算机网络在实际中的应用 计算机网络是指现阶段的通信网络，属于多元化网络，以自身为基础，实现资源的整合，提升资源的共享性。计算机网络已经被应用在各个领域中，促使现阶段的各个行业实现创新发展，提升计算机网络的重要性，但在实践过程中，也会不断出现大量的网络问题，进而对其功能与效率产生明显的影响，甚至产生安全性问题，降低整体安全系数，容易造成信息泄露，造成严重的经济损失。因此应积极的创新现有技术，加强整体安全防护，降低安全故障的发生几率[3]。网络传输近年来全面发展，整体的传输速率增大，转变为万M单位计算，但同时也增大了维护与维修的难度，工作人员需要花费较大的精力进行故障处理，增大成本。与从同时，从安全的角度分析，现阶段人们逐渐加强对网络安全的重视力度，以做好安全防护，尤其是针对网络入侵问题，更加注重信息的保密，以设置加密形式，保证网络安全，享受网络带来的便捷性优势[4]。 三、计算机网络故障 计算机网络故障可以说是现阶段最为常见的问题，产生的影响较为严重，并且呈现出明显的动态化与不确定化，故障地点未知，进而增大整体的故障维修难度，产生不良的后果。现有的计算机网络故障常见的类型较多，如网络传输故障、网络设备损坏故障、网络结构故障等，直接影响其各项功能的开展，因此应合理的开展优化，针对性的创新，完善现阶段的技术，高效的处理故障。网络设备故障最为常见，在计算机网络运行过程中，由于设备的老化或者电路损坏而引发规划故障，造成严重的后果[5]。 计算机网络中网络传输与网络结构产生的影响较为直接，还包括网络结构划分与传输失真问题，这些问题都会产生明显的负面影响。因此在发展中英合理的进行优化，采取有效的措施解决计算机网络故障，正确处理现阶段的问题，工作人员可以定期检查，按照故障的类型进行划分，提前进行预防，及时发现问题与安全隐患，并做好相关的记录，为工作人员提供良好的信息服务，以便于呈现故障问题时可以及时的发现位置，尽量降低故障产生的影响，控制整体的计算机网络覆盖范围，实现网络的高效传输，降低故障的发生几率[4]。 四、神经网络下计算机网络故障诊断分析 4.1模式识别神经网络 对于现阶段的网络故障来说，在开展诊断过程中包含两个环节，一是模式分类，另一个是模式识别，在传统的诊断过程中，主要是通过模式识别技术利用函数的识别，最终完成模式的分类，实现最终的归类。在该过程中，主要是通过合理的N维欧式空间的模式样本的特征空间开展分析，同时假设其模式类别，运用数算法进行分类，达到识别的目的。通过定义最大程度的对N维欧式空间进行分割，同时利用模式类别假设进行决策区域的划分，形成完整的区域。与此同时，在该过程中需要保证相关的函数参数被识别，进而根据其参数作出相应的处理，达到修正的目的[5]。 4.2专家诊断神经网络 相对来说，专家诊断神经网络是将当前神经网络与专家系统相结合，形成更为完整的系统，优化其功能性，以开展各项诊断。例如，可以将系统组合成神经网络进行处理，结合优势进行符号转换，形成完整的数值运算推理，保证专家系统的执行率提升，处理各项问题，并利用系统优势开展学习，达到最终的目的。也可以将现阶段的神经网络当成一个知识源进行处理，形成具体的表达模型，将现有的模型与知识模型相结合，发挥出专家系统的优势。从整体上开展分析，将神经网络进行合理的处理，作为现阶段的网络故障诊断的基础前提，做好知识表达，高效进行信息处理，优化各个单元的相互对接，实现节点的高效处理，保证网络信息的精准性，通过其信息进行精准的诊断与推理。发挥出自身的优势，形成简单的方式[6]。 4.3故障预测神经网络 在进行故障预测神经网络应用过程中，现阶段常见的方式主要有两种，一种是神经网络，并以此为基础进行合理的参数预测模拟，以提升整体的诊断效率，该方式在BP神经网络的计算机故障线诊断中也存在，具有良好的应用价值。针对另一种方式，主要通过现阶段的输入与输出关系进行分析，并结合实际的工作参数开展优化，明确其具体的过程，利用反馈链接动态神经网络建立动态模型，从根本上实现网络故障的结高效诊断与检测，满足实际的需求[7]。 4.4神经网络在网络中的故障与解决 神经网络概念的呈现实际上是源自于传统的人体神经学说，其实际上是指现阶段的人工神经网络（Artificial Neural Networks，ANN），属于一种模仿人体神经网络行为的特征，并根据实际情况进行合理的信息处理，优化其处理算法模型，呈现出一定的复杂性。神经网络的系统复杂性较高，内部需要通过节点进行相互连接，优化其信息处理能力，达到最终的目的。神经网络自身具有良好的学习性，可以根据自身的能力进行相应的学习，适应不断变化的环境，如通过预先输入的数据进行处理，形成完整的映射规律，并根据其规律进行预算，获取输出结果，以完成“训练”。 根据实际情况进行合理的处理，明确现阶段神经网络的优势，完善现阶段的模式，针对性的处理，利用其技术优势考虑各种因素的影响，分析神经网络中存在的故障，合理的解决故障，做好记录，将技术输入到计算机网络中，记录产生故障的原因，以便于后续出现问题时可以及时的处理，做好准备工作，以提出有效的解决方案。 对于神经网络来说，在处理过程中由于神经网络占据实际网络较大部分，因此其可以合理的判断出网络中存在的故障，缩短检查存在的时间，降低检修产生的成本，降低成本产生的影响。神经网络在处理故障时，可以充分发挥出自身的优势，利用存在的故障记录信息进行初步的诊断，可以根据实际情况进行其预处理分析，做好神经网络的诊断，做好记录的诊断。最后根据现阶段的诊断系统进行合理的处理，分析其原始数据，在诊断前进行预处理，明确其处理特征，做好选取，提供精准的数据信息，以保证各项工作有序的开展[8]。 五、结论 综上所述，在当前的时代背景下，计算机网络中产生的故障造成较为严重的后果，直接影响人们的使用，因此应加强重视力度，从多个角度创新，完善现阶段的发展模式，针对性的开展处理，灵活运用现有的技术来处理故障，以保证故障得到合理的解决。与此同时，积极的开展技术研究，优化其智能性，以保证现阶段的计算机网络故障得到高效的检测，利用技术的优势开展处理，为人们提供良好的技术支撑，具有广阔的前景。 参 ?考 ?文 ?献 [1]臧博.一种神经网络的计算机网络故障诊断探究[J].电脑编程技巧与维护，2018，16（22）：100-102. [2]王强.基于神经网络的计算机网络故障诊断[J].信息与电脑（理论版），2019，15（19）：157-158. [3]张建勋，纪纲，曾庆森.粗糙集-神经网络计算机网络故障诊断方法研究[J].现代机械， 2019，15（03）：48-50. [4]尚志信，周宇，叶庆卫.基于粗糙集和BP神经网络算法的网络故障诊断模型研究[J].宁波大学学报（理工版），2019，12（03）：3-5. [5]胡波.基于粗糙集理论与BP神经网络结合的火电厂风机故障诊断研究[J].现代机械， 2018，15（03）：48-50. [6]孫颖楷，张邦礼，曹龙汉.基于粗糙集理论的人工神经网络故障诊断系统[J]. 重庆大学学报（自然科学版），2019，15（03）：48-50. [7]张燕军，张彦斌，刘仁伟.基于粗糙集与神经网络相结合的模拟电路故障诊断[J].火力与指挥控制， 2019，15（S1）：78-81. [8]刘庆珍.基于粗糙集理论和人工神经网络的电力电子电路故障诊断的研究[J].现代机械， 2019，12（03）：4-5. [9]臧博.一种神经网络的计算机网络故障诊断探究[J].电脑编程技巧与维护，2015（22）：100-102. [10]张建勋，纪纲，曾庆森，等.粗糙集-神经网络计算机网络故障诊断方法研究[J].现代机械， 2005（3）：48-50. [11]陶亮.神经网络在网络故障诊断中的应用研究[J].计算机光盘软件与应用，2012（15）：179-179. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。